跳转到内容

生长曲线

来自VeritasWiki 真理百科

生长曲线是描述"先慢、后快、再饱和"这一普遍增长节奏的数学曲线,在技术预测、人口学、生态学与市场研究中都被广泛使用。它最常用的形式是逻辑斯蒂曲线,也叫S曲线:初期增长缓慢,随后加速,到中段某一点后增速转缓,最终逼近一个上限而趋于平缓。用它做预测,实质上是用一条曲线把"任何增长都有尽头"这一常识写成可计算的形状。

曲线的来历

逻辑斯蒂函数最早出自比利时数学家韦吕斯特之手,他在1838年前后研究人口增长时提出这一形式,并在1845年的文章中给了它"logistique"这个名字,用以区别于无约束的指数增长。这一工作长期被遗忘。

重新发现发生在20世纪初的美国。生物学家珀尔与里德在1920年用这条曲线拟合美国人口普查数据,发现拟合效果远好于指数模型,并据此给出美国人口将在两亿左右趋于饱和的判断。这一判断在当时引起很大争议,因为美国人口后来远超两亿——这也成为关于生长曲线最常被引用的教训:曲线是对的,上限是错的。[1]

另一条常用的曲线以英国保险精算师龚珀兹命名,他1825年用类似形式描述死亡率随年龄的变化。龚珀兹曲线与逻辑斯蒂曲线的差别在于不对称:它的拐点出现得更早,后期拖尾更长。当观测数据显示增长初期相对更快、后期收敛更慢时,龚珀兹往往是更好的选择。

数学结构

逻辑斯蒂曲线的常见写法是 y 等于上限除以括号内一加上 a 乘以 e 的负 bt 次方。三个参数各有含义:上限 L 决定天花板,a 决定曲线在时间轴上的起点位置,b 决定增长的陡峭程度。曲线关于拐点对称,拐点恰在半程处,即 y 等于 L 的一半,此时增速最大。

这一结构有一个便于操作的副产品。若把式子变形,取 L 除以 y 减一,再取对数,对时间作图,会得到一条直线;也就是说,只要上限已知,S曲线可以化成直线来拟合与外推。这一变换在技术替代研究里被反复使用,费希尔与普赖1971年提出的替代模型正是建立在此之上:新技术对旧技术的替代份额,在时间上近似服从逻辑斯蒂规律,取不少于百分之五的份额之后即可作线性外推。[2]

怎么用

实际使用通常分三步。先用历史数据拟合,确定 a 与 b;再估计上限 L;最后据此计算达到某一水平所需的时间。

三步里最难的是第二步。上限不是拟合出来的,而是判断出来的:它可能来自物理规律,例如某个转换效率的理论极限;可能来自市场容量,例如每百户耐用消费品的保有量封顶;也可能来自替代关系的终点,例如新旧技术份额之和为一。上限估错,整条曲线的时点全部偏移。前文美国人口的例子说明,即便方法正确,上限判断仍可能大幅出错。

一个常用的补救是用"外部约束"钉住上限:不凭曲线自己长到哪算哪,而是先问"物理上最多能做到多少""每个家庭最多买几台""替代完成后份额是多少",用这些独立的判断给出 L 的区间,再看不同 L 下预测时点的分布,而不是只报一个数。

在技术预测中的位置

生长曲线是技术预测中使用频率仅次于趋势外推的工具,因为它能处理外推法最大的弱点——无限增长。当一项技术的性能或市场份额已明显放缓,直线外推会给出荒谬的高值,而S曲线会自动收敛。

它在两类问题上特别有用。一是判断"什么时候该换赛道":当某项技术接近其上限、增速明显放缓时,继续投入的边际回报下降,此时应寻找下一代技术。二是判断新技术的普及节奏:从渗透率百分之几到过半,这一段通常是S曲线最陡的部分,也是投资与产能布局最关键的窗口。

中国企业界近年频繁用S曲线讨论新能源汽车渗透率、光伏装机、储能规模与人工智能应用扩散,方法上大体遵循上述逻辑。需要注意的是,这类讨论中"S曲线的上半段"常被当作必然,而实际上渗透率曲线中途改形的情况并不少见,例如政策退坡、基础设施瓶颈或安全事件都可能让曲线在过半之前走平。

拟合中的实际问题

数据长度是第一道关。逻辑斯蒂曲线有三个参数,若历史序列只有五六个观测点,参数之间会互相补偿,不同的参数组合能拟合出几乎相同的曲线,却给出差别很大的未来。经验上,需要覆盖曲线从起步到增速开始放缓这一整段,拟合才勉强稳定;而在技术预测的实践中,被预测的对象往往正处在起步段,恰好是最难识别形状的时候。

第二道关是口径。渗透率、保有量、装机容量这些指标,会因统计范围调整、定义变更而出现断点。若不加处理,断点会被曲线当成加速或减速,直接扭曲参数。

第三道关是"多峰"。现实中不少技术会经历两次加速:第一次由性能改进驱动,第二次由成本降到某个阈值后触发的大众市场扩散。这时单条S曲线拟合不好,需要用两条叠加的曲线,或者改用更灵活的函数形式,代价是参数更多、可解释性更差。

一个值得记住的经验是:S曲线最适合回答"现在处在哪一段",最不适合回答"终点在哪里"。前者只需要拟合近期数据,后者需要判断上限,而判断上限靠的不是数学,是对物理极限与市场容量的理解。

局限

第一,上限不可知。这是最根本的困难,且随预测期延长而加剧。

第二,早期数据不足以识别形状。在曲线的起始段,逻辑斯蒂与指数、甚至直线的差别很小,此时拟合优度无法区分模型,任何结论都带有很大的模型风险。

第三,它假设单一机制主导。现实中往往是多条曲线叠加:一项技术的整体性能由若干子技术共同决定,子技术各有各的S曲线,叠加后总体曲线可能出现台阶或二次加速。包络曲线正是为处理这种叠加而设计的。

第四,它无法预测新事物的出现。S曲线能说清"这一条会怎样饱和",说不清"饱和之后谁来接替"。[3]